含热电联合系统的微电网运行优化

为了提高微电网的经济运行水平,提出考虑分时电价并计及制热收益的微电网多目标能量调度模型,该模型以微网发电成本最低与环境效益最优为目标。首先,利用权重系数将多目标经济调度问题化成单目标优化问题。其次,针对遗传算法局部搜索能力差的问题,提出了天牛须搜索算法改善遗传算法的变异操作,利用自身对空间的判断,加强局部搜索能力,在此基础上将Metropolis接受准则加入天牛须搜索算法中,增加变异的概率。最后,以一个微电网为例,将改进的算法与标准遗传算法进行对比,验证了所改进的算法的全局最优解的搜索能力,使得微网获得更佳的综合效益,降低了系统经济运行成本。     

多仓库定位-运输路线安排问题的模型和算法研究

针对现实问题的复杂性,考虑到单独研究物流设施选址和车辆运输路线安排问题的局限性,根据集成物流管理思想,综合考虑两个问题,重点研究了集成物流管理系统中多仓库定位-运输路线安排问题(LRP)。首先提出了LRP的数学模型,由于LRP属于NP-hard问题,提出了一种用于求解该类问题的两阶段混合启发式算法:禁忌搜索-蚁群混合算法。在选址阶段使用禁忌搜索算法求得一个较好的设施位置后,便转向运输路线安排阶段,并采用蚁群算法获得了一个与已得到的设施位置相对应的优化运输路线,这两阶段反复、连续运算,直到满足预先设置的终止条件。最后,给出算例验证模型和算法的有效性。     

随机环境下制造/再制造物流网络的多周期动态选址

在制造/再制造物流网络的不同周期,新产品和再制造品的销售市场可能不同.针对此情形,考虑市场主体对新产品和再制造品需求量的不确定性,以构建物流网络总成本最小为目标,建立制造/再制造物流网络的多周期动态选址模型.通过算例求解,确定各周期物流网络中设施的数量、位置及设施间的物流量分配并验证模型的有效性.     

基于混沌天牛群算法优化的神经网络分类模型

针对传统BP神经网络受初始权阈值影响大且易陷入局部极值,标准天牛须搜索算法局部搜索能力差、寻优精度低等问题,提出一种自适应步长因子的混沌天牛群算法用于优化BP神经网络分类模型。通过增加天牛种群,引入自适应步长更新策略优化天牛须搜索算法的局部搜索能力,使其跳出局部最优,提高算法的计算精度;利用Logisitic混沌映射产生新个体,替换性能较差的个体,增强全局搜索效果。为了改善BP神经网络对非均衡数据集中少数类的分类效果,采用SMOTE算法处理非均衡数据集。将改进的天牛须搜索算法用于优化BP神经网络中的初始权值和阈值,建立IBAS-BPNN（Improved Beetle Antennae Search and Back Propagation Neural Network）分类模型,提高BP神经网络分类模型的准确率。为验证分类模型的性能,将改进的BP神经网络分类模型与其他六种典型的分类算法进行比较,实验结果表明IBAS-BPNN分类模型的平均分类正确率高于其他算法。改进的混沌天牛群算法泛化能力强,鲁棒性好,具有一定的优越性。     

考虑设施失效及客户重指派的网络选址模型及求解

基于无容量约束且固定费用的设施选址模型,综合考虑系统运作成本及其可靠性,提出了考虑失效概率及对客户多层级重指派的非线性混合整数规划模型,并用优化的拉格朗日松弛算法对线性处理后的模型进行求解.结果表明:拉格朗日松弛算法适用于中等规模的选址问题;相对于客户的多层级重指派,其设施失效概率对网络选址的影响较大.     

多产品三阶段供应链选址分配问题及其遗传算法

 建立了一种基于最小物流费用的多产品三阶段供应链选址分配模型,该模型综合考虑了原材料和产品的运输费、工厂的固定建设费及原材料采购费和产品加工费、销售中心的固定建设费和库存保管费等。在多产品三阶段供应链体系中,在供应商-工厂阶段,一个工厂不仅可以从不同的供应商处采购不同产品的原材料,而且同一种产品的原材料也可以从不同的供应商处采购;在工厂-销售中心和销售中心-顾客阶段,产品需求者虽然可以从不同供应者处采购不同产品,但同一种产品却只能从一个供应者处进货。根据模型的这些特点,本文结合选址问题的随机顺序编码和运输问题的优先权编码技术,设计了一种新的染色体编码方法,从而借助遗传算法实现了多产品三阶段供应链选址分配问题的求解。数值仿真结果表明,本文给出的染色体编码方案是恰当的,设计的遗传算法具有较高的搜索效率,能够快速稳定地求解多产品三阶段供应链选址分配问题。     

铁路物流中心多目标分层选址优化模型及算法

以全国铁路既有货场为研究对象,基于不同节点等级,研究了跨区域下多等级铁路物流中心选址优化方法.在利用改进DEA模型对既有货场发展状况进行评价的基础上,以铁路既有货场资源利用最大化、铁路物流中心建设成本最小化为优化目标,建立铁路物流中心分层选址的0-1混合整数规划模型,并设计了遗传算法进行求解.最后,以全路2500余个货场为对象,设计了"45-256-509"的全路铁路物流中心选址方案,三个层次的节点分布呈金字塔形,符合网络构建的基本特征,充分验证了优化数学模型和求解算法的有效性,为铁路物流中心的建设提供参考依据.     

Harmony Search-Dij kstra混合算法在铁路物流中心分层选址中的应用

为了满足铁路集中化运输的要求,基于铁路物流中心的层级特点,结合分层选址的理论和方法,以铁路物流中心覆盖的总需求最大化为目标,提出了铁路物流中心分层选址分配模型.针对铁路物流中心选址分配模型的特点,提出采用求解效率较高的和声搜索算法(Harmony Search,HS)和Dijkstra算法相结合的混合算法进行求解,并通过算例验证了模型的可行性和算法的有效性.为了验证算法的性能,对不同规模下的算法进行多次测试,结果表明当规模较大时,HS-Dijkstra混合算法仍可以在可接受的时间范围内收敛.为了体现算法的计算效率,对大规模下的Harmony Search-Dijkstra混合算法与遗传算法(Genetic Algorithm,GA)进行比较,结果显示Harmony Search-Dijkstra混合算法收敛速度明显优于遗传算法.因此,Harmony Search-Dijkstra混合算法可以有效解决铁路物流中心选址分配问题.     

基于时间可靠性分析的农产品轴辐式物流网络节点选址

针对农产品轴辐式物流网络的特点及农产品物流时效性要求,将系统可靠性应用于农产品物流网络节点选址研究中。在满足用户规定的时间可靠度要求的前提下,建立了以运输总成本最小为目标的农产品物流网络节点选址模型,并设计基于全局协同搜索的混合蛙跳算法(SFLA)对模型进行求解。最后通过算例分析,验证了模型的合理性和有效性。研究结果表明,将时间可靠性分析应用于农产品物流网络节点选址研究,能够满足用户对运输时效性的要求,降低了物流运输成本,提高了农产品物流的时间可靠度。     

考虑柔性资源技能进化的多项目组合调度问题

在飞机移动装配线中,人力资源的技能水平可以通过一定时间的学习培训得到提升.针对该现象,提出了在已知期望人力资源结构条件下考虑柔性资源技能进化的多项目组合调度问题,建立了以最小化达到目标人力资源结构所需项目个数和投入总成本为目标的混合整数规划模型.针对该模型,设计了一种多层链表结构编码方式的混合多目标教学优化算法,并结合邻域搜索提高算法的局部搜索能力.最后,通过实验数据结果验证了本文模型与算法的有效性.     

有毒重气泄漏事故的应急资源调度

针对有毒重气泄漏事故具有发生的突然性、危害的严重性等特点。建立了以应急加权总时间、应急总成本最小化为目标的多需求点、多供应点、多物资类型的优化调度模型。为了增强模型的实用性,增加了对车辆载重及最优路径选择的考虑。利用改进了的Dijkstra算法,将其作为多目标粒子群算法(MOPSO)的子算法对模型进行求解。针对MOPSO算法易陷入局部最优解的缺点,对惯性权重的更新方式进行了设计,增强了算法的全局搜索能力,同时在对粒子进行选择操作时借鉴了自适应网格法的思想,丰富了粒子群的多样性。最后,通过一个仿真实验验证了所提模型及算法的有效性。     

多级多受灾点连续消耗应急物资调度优化策略

灾后应急救助十分关键,特别是多地同时受灾情况下.为此,考虑将灾民安置与物资运输一体化规划,建立连续消耗多级应急物资调配数学模型.在此基础上,以应急系统施救成本和施救不及时损失为目标函数构建优化模型,并应用遗传算法(GA)和序列线性规划(SLP)算法相结合策略对物资调配进行优化.构造四级救灾物资调配算例模拟救灾过程.数值结果表明,使用GA全局寻优结合SLP局部寻优策略相较单一优化算法能有效找到更优解.所提出的优化策略可为灾后多级多受灾点连续消耗应急物资调度提供可行方案.     

基于阿基米德混沌精英鲸鱼算法的微电网优化

针对微电网可再生能源不稳定性对电网造成的冲击,合理优化配置分布式能源以实现更为经济和环保的目标。提出了改进的鲸鱼算法,通过tent映射提高了初始种群的均匀程度,建立改进的精英反向学习方法提高算法跳出局部最优解的能力,通过自适应参数优化调节鲸鱼算法搜索策略的选取,并且选取阿基米德螺线替换原有的螺旋收缩方式,加强局部搜索能力,采用多种基准函数验证了算法性能上的提高,并以污染治理费用和运行费用作为目标函数,针对多种电源类型的微电网进行优化,通过仿真试验对比其他算法验证改进鲸鱼算法的有效性和实用性。     

基于遗传算法的配电网中分布式电源选型与选址

在考虑自然条件的前提下,文章建立了分布式电源选型和选址的成本最小、网络损耗最小和电压偏移量最小的目标函数模型;在采用前推回代法计算配电网潮流基础上,应用遗传算法对目标函数进行了寻优计算;利用算例系统对模型和算法的正确性进行了验证。研究表明,通过对分布式电源进行合理的选型和选址,可以提高供电的可靠性和电能质量。     

基于KFDD与进化算法的可逆电路优化算法

为降低由Kronecker功能决策图(Kronecker functional decision diagram,KFDD)综合所得可逆电路的成本,提出一种基于进化算法的可逆电路优化算法.该算法基于遗传算法模型进行设计,分别采用离散值和整型值编码KFDD输入变量的分解类型和顺序,使用所设计的遗传算子,将量子成本作为主要目标、量子位数作为次要目标进行可逆电路的优化.为解决过早收敛问题,该算法在搜索过程的前期阶段利用多个子群搜索解空间中的不同区域,在搜索过程的后期阶段将多个子群合并为整体种群,利用整体种群进行集中搜索.使用基准函数对算法进行验证的结果表明,所提出算法具有较强的全局寻优能力,有较好的结果稳定性,能够降低可逆电路的量子成本.     

波阻抗混合优化反演方法研究

遗传算法是一种具有全局优化的随机搜索算法,针对遗传算法存在局部搜索能力差,求解精度不高等缺点,引入了模式搜索算法,利用模式搜索算法较强的局部搜索能力和较高的求解精度弥补遗传算法的不足。即利用遗传算法来控制寻优过程,用模式搜索算法使解快速逼近极小点,然后再用遗传算法使解逃脱局部极值,从而达到全局寻优目的。理论模型和实例计算分析验证了该方法的有效性     

一种改进的混合蝙蝠算法

为解决基本蝙蝠算法中存在的易陷入局部最优且求解精度不足的问题,提出一种改进的混合蝙蝠算法,引入了分组迭代模式和多种速度迭代公式加强了全局搜索能力,更新了种群领域搜索公式的基础上引用了t分布作为种群最优解的领域搜索方式,补足了蝙蝠算法的局部搜索能力,避免了算法陷入局部最优解。通过多个标准测试函数的实验验证改进的混合蝙蝠算法能有效解决基本蝙蝠算法中出现的问题。     

面向饲料加工的排产优化方法研究

为了提高饲料企业在成本和质量上的优势,需要采用更加科学的方法制定排产计划。首先根据饲料加工排产的特点构建了基于批量组织生产的排产模型;其次,针对布谷鸟搜索(cuckoo search,CS)算法收敛速度慢与局部搜索能力弱的问题,提出不同的改进策略形成改进CS算法求解了排产模型,改进算法运用NEH方法、Logistic混沌映射方法以及随机方法生成初始解,使用了动态改变步长的策略以平衡算法探索能力与开发能力,增加基于差分进化的交叉阶段以增强最优解的挖掘能力。采用改进CS算法,以最小化总流经时间为求解目标,在40个Taillard测试集实例和实际饲料排产数据上进行了实验,验证了改进CS算法的寻优能力。结果证明了改进CS算法在求解流水线式生产车间排产问题上的有效性。     

基于改进自适应乌鸦搜索算法的无源定位

为解决利用时差(time difference of arrival,TDOA)信息无源定位计算困难的问题,引入乌鸦搜索算法(crow search algorith,CSA),针对该算法易陷入局部极值,提出一种改进自适应乌鸦搜索算法(adaptive crow search algo-rithm,ACSA).综合考虑...